random模块

学习Python中的random模块的学习笔记.(摘自小甲鱼python教程)

random模块

• 模块概述
  • random模块实现了各种分布的伪随机数生成器
• 随机数状态的相关函数
  • random.seed(a=None, version=2)
    • 初始化随机数生成器
    • a
      • 如果省略该参数或者将其设置为None(默认),将使用当前系统时间作为随机数种子(如果操作系统提供了随机性来源,则用它来代替系统时间)
      • 如果参数a为整数, 则直接被用作随机数种子
      • 该参数的值也可以是字符串、字节、字节数组等
    • version
      • 如果version=2(默认),字符串、字节、字节数组对象的每一个位都将转换为整数使用
      • 如果version=1, 用于从旧版的python中复制随机序列,字符串和字节算法生成更窄的种子范围
  • random.getstate()
    • 返回捕获当前生成器内部状态的对象
    • 返回的对象可以传递给下面的setstate()函数, 用于恢复状态
  • random.setstate(state)
    • 设置生成器的内部状态
    • 传入一个用getstate获得的状态对象,使得生成器恢复到这个状态
    • 小甲鱼:gestate和setstate两个函数搭配使用,可以重现之前获取到的随机值
  • random.getrandbits(k)
    • 返回一个不大于k的python整数(十进制), 如k = 10, 则返回的结果是在0 ~ 2^10之间的整数
• 整数相关的随机函数
  • random.randrange(stop)
  • random.randrange(start, stop[, step])
    • 从range(start, stop[, step])中随机选择一个元素返回
    • 功能相当于choice(range(start, stop[, step])), 但它不会创建一个range对象
    • 传递的位置参数应该与range()模式匹配
    • 不应该使用关键字参数, 因为函数可能以未定义的方式使用他们
  • random.randint(a, b)
    • 返回一个随机整数N
    • a <= N <= b
• 序列相关的随机函数
  • random.choice(seq)
    • 从 seq 参数指定的序列中返回一个随机元素。
    • 如果 seq 是空序列，Python 将抛出 IndexError 异常
  • random.choices(population, weights=None, *, cum_weights=None, k=1
    • 从 population 参数指定的序列中随机抽取 k 个元素并返回
    • weights 参数是指定相对权重列表，cum_weights 参数是指定累积权重列表（相对权重 [10，5，30，5] 等同于累积权重 [10，15，45，50]），两个参数不能同时存在（注：如果同时存在，Python 将抛出 TypeError 异常）
    • 如果没有指定 weights 相对权重和 cum_weights 累积权重，那么每个元素被选中的概率是相同的。
    • 如果指定任一权重参数，那么其长度必须与 population 参数指定的序列长度一致。
  • random.shuffle(x[, random])
    • 原地打乱x参数指定的(可变)序列
    • 可选参数是一个 0 参数函数，其返回一个范围在 [0.0, 1.0) 之间的随机浮点数，默认是使用 random() 函数。
    • 如果要打乱一个不可变序列（比如字符串），可以使用 sample(x, k=len(x)) 函数实现，它会生成一个元素打乱后的列表。
  • random.sample(population, k)
    • 从 population 参数指定的序列或集合中，随机抽取 k 个不重复的元素构成新序列并返回。
    • 该函数返回的是一个新的随机序列，不会破坏原序列，常用于不重复的随机抽样。
    • 如果 k 参数的值大于 population 参数指定的序列或集合的元素个数，Python 抛出 ValueError 异常。
    • 如果要从一个整数区间中随机抽取一定数量的整数，推荐使用 range() 对象作为参数（比如 sample(range(10000000), k=60)），这样实现的效率非常高并且节省内存空间。
• 实值分布相关的随机函数
  • random.random()
    • 返回一个值在[0.0, 1.0)之间的随机浮点数
  • random.uniform(a, b)
    • 返回一个随机浮点数N
    • 如果a<b,则a <= N <= b
    • 如果b>a, 则b <= N <= a
  • random.triangular(low, high, mode)
    • 返回一个三角分布的随机浮点数 N，其中 low <= N <= high。
    • 众数值通过 mode 参数指定。
    • low 和 high 参数的默认值是 0 和 1，mode 参数的默认值是边界之间的中心点。
  • random.betavariate(alpha, beta)
    • 返回一个 Beta 分布的随机浮点数。
    • 参数 alpha 和 beta 都应该大于 0。
    • 返回值的返回在 0 到 1 之间。
  • random.expovariate(lambd)
  • random.gammavariate(alpha, beta)
  • random.gauss(mu, sigma)
  • random.lognormvariate(mu, sigma)
  • random.normalvariate(mu, sigma)
  • random.vonmisesvariate(mu, kappa)
  • random.paretovariate(alpha)
  • random.weibullvariate(alpha, beta)
• 替代生成器
  • class random.SystemRandom([seed])
    • 使用 os.urandom() 函数的类，利用操作系统提供的源来生成随机数。
    • 该类并不是所有操作系统都适用。
    • 该类不依赖于软件状态，并且序列不可重现。所以，seed() 方法没有效果而被忽略，getstate() 和 setstate() 方法如果被调用则抛出 NotImplementedError 异常。
• 关于 “再现” 的备注
  • 有时候，能够再现伪随机数生成器给出的序列是有用的。
  • 通过重新使用相同的种子值(只要多个线程没有运行)，相同的伪随机数序列就应该可以被生成
  • 随着 Python 版本的迭代，随机模块的算法和种子设定函数有可能会发生改变，但以下两个方面保证不会有变动
    • 如果添加了新的种子生成方法，则将提供向后兼容的方案
    • 当提供的种子一样时，random() 方法将生成一样的伪随机数